Area Occupancy Detection für Home Assistant (Marketplace-Integration)

Installationen: 603 teilen Analysedaten
GitHub-Sterne: 338
Verbindung: Funktioniert lokal
Pflege: In den letzten 6 Monaten aktualisiert
Version: 2026.10.2, 24. Oktober 2026
Kategorie: Sensoren, Bewegung und Anwesenheit
Art: Marketplace-Integration
Voraussetzung: Braucht den Marketplace (HACS bis Home Assistant 2026.10)
Domain: area_occupancy
Quelle: github.com/Hankanman/Area-Occupancy-Detection
Probleme: Problem melden

Unabhängiges Verzeichnis, erstellt vom Entwickler von Vulpo. Steht in keiner Verbindung zu Home Assistant oder der Open Home Foundation.

Screenshots Aus der README von Hankanman/Area-Occupancy-Detection.

Überblick

Area Occupancy Detection schätzt, ob jeder Bereich in Home Assistant belegt ist, und nutzt dafür die Wahrscheinlichkeit der Anwesenheit statt nur Bewegung. Die Integration kombiniert Eingaben wie Bewegungs- und Anwesenheitssensoren, Türen, Fenster, Schlösser, Abdeckungen, Mediaplayer und Umgebungssensoren mit Bayesian-Wahrscheinlichkeit und lernt Nutzungsmuster im Lauf der Zeit. Jeder Bereich erhält Binärsensoren für den Belegungsstatus und für Schlafen, eine einstellbare Schwellenwert-Zahl sowie Sensoren für Wahrscheinlichkeit, erkannte Aktivität, Konfidenz und Sensorzustand. Die Belegung klingt mit einem zeitlichen Abfall ab, dessen Halbwertszeit vom Zweck des Bereichs abhängt, und benachbarte Bereiche können sich gegenseitig beeinflussen. Ein Halten bei geschlossener Tür hält Räume mit nur einem Zugang wie Bäder belegt, und eine Entität für den Abwesenheitsmodus kann das Lernen pausieren. Aktionen führen eine Analyse aus, exportieren die Konfiguration, löschen den gelernten Verlauf eines Bereichs, liefern wöchentliche Belegungsprognosen und ändern Bereichsoptionen aus Automationen. Sie arbeitet lokal und wird in der Oberfläche eingerichtet.

Zusammenfassung der README und des Codes von Hankanman/Area-Occupancy-Detection, automatisch erstellt und übersetzt. Stimmt etwas nicht, oder betreust du das Projekt und möchtest hier deinen eigenen Text? Melde dich

Unterstützt

Funktioniert lokal Spricht mit deinen Geräten in deinem eigenen Netzwerk. Keine Cloud des Herstellers dazwischen.
Aus dem Marketplace Wird über den Marketplace installiert, früher HACS.
Aktiv gepflegt Das Projekt hat in den letzten sechs Monaten eine neue Version oder Änderung veröffentlicht.

Stellt bereit

Sensoren

Einrichtung

Installiere sie aus dem Marketplace und starte Home Assistant neu. Füge sie dann unter Einstellungen > Geräte & Dienste hinzu.

Area Occupancy Detection

Bereich oder Aktion auswählen

Bereiche verwalten

Bereich auswählen

Schritt 3

Home-Assistant-BereichWähle den Home-Assistant-Bereich für diese Belegungserkennung. Der Name des Bereichs wird automatisch für das Gerät und die Entitäten verwendet.
Zweck des BereichsDer Hauptzweck dieses Bereichs bestimmt das Abklingverhalten. Unterschiedliche Zwecke haben unterschiedliche Halbwertszeiten, die beeinflussen, wie schnell die Belegungswahrscheinlichkeit mit der Zeit sinkt.
Name des ErkennungsbereichsDas ist der Name des Bereichs oder Erkennungsbereichs. Er wird für die Benennung der Sensoren und der Entität für die Bereichsbelegung verwendet.
Bewegungs-/AnwesenheitssensorenDiese werden zur Erkennung von Belegung und Anwesenheit verwendet. Es können Bewegungssensoren, Belegungssensoren oder Anwesenheitssensoren sein.
BewegungsgewichtDas Gewicht, das Eingaben von Bewegungssensoren bei der Berechnung der Belegung erhalten.
Bewegungs-TimeoutBei Bewegungssensoren vom Typ PIR, die bei jeder Erkennung nur kurz pulsen und still bleiben, während jemand ruhig sitzt, zählt jede Erkennung nach dem Ausschalten des Sensors so lange voll weiter, bevor der Bereich beginnt sich zu leeren, und wird als belegte Zeit gelernt. So werden die Lücken zwischen Erkennungen überbrückt, statt sie als leer zu werten. Sensoren, die „on“ halten, solange jemand da ist (die meisten mmWave-Anwesenheitssensoren), werden nicht verlängert; die Integration unterscheidet beide anhand des eigenen Verlaufs jedes Sensors.
P(Aktiv | Belegt)Die Wahrscheinlichkeit, dass ein Bewegungssensor aktiv ist, wenn der Bereich tatsächlich belegt ist. Höhere Werte (näher an 1.0) bedeuten, dass der Bewegungssensor bei belegtem Bereich zuverlässiger ist. Standard: 0.95 (95 %).
P(Aktiv | Nicht belegt)Die Wahrscheinlichkeit, dass ein Bewegungssensor aktiv ist, wenn der Bereich nicht belegt ist (Rate falsch positiver Erkennungen). Niedrigere Werte (näher an 0.0) bedeuten weniger falsch positive Erkennungen. Standard: 0.005 (0,5 %).
Türsensoren
Aktiver TürzustandDas ist der Zustand der Tür, der zur Erkennung von Belegung verwendet wird.
TürgewichtDas Gewicht, das Eingaben von Türsensoren bei der Berechnung der Belegung erhalten.
Schlosssensoren
Aktiver SchlosszustandDas ist der Zustand des Schlosses, der zur Erkennung von Belegung verwendet wird.
SchlossgewichtDas Gewicht, das Eingaben von Schlosssensoren bei der Berechnung der Belegung erhalten.
Fenstersensoren

Schritt 4

Home-Assistant-BereichWähle den Home-Assistant-Bereich für diese Belegungserkennung. Der Name des Bereichs wird automatisch für das Gerät und die Entitäten verwendet.
Zweck des BereichsDer Hauptzweck dieses Bereichs bestimmt das Abklingverhalten. Unterschiedliche Zwecke haben unterschiedliche Halbwertszeiten, die beeinflussen, wie schnell die Belegungswahrscheinlichkeit mit der Zeit sinkt.
Angrenzende BereicheAndere konfigurierte Bereiche, die physisch mit diesem verbunden sind (zum Beispiel ein Flur, der mit einem Schlafzimmer verbunden ist). Die Auswahl ist gegenseitig: Wenn du hier einen Bereich hinzufügst, wird dieser auch in dessen Nachbarliste aufgenommen. Die Integration lernt Übergangsmuster zwischen angrenzenden Bereichen und nutzt sie, um die Wahrscheinlichkeit eines Nachbarn zu erhöhen und das Abklingen zu verlangsamen, wenn seine üblichen Ausgänge ruhig bleiben.

Schritt 5

Bewegungs-/AnwesenheitssensorenDiese werden zur Erkennung von Belegung und Anwesenheit verwendet. Es können Bewegungssensoren, Belegungssensoren oder Anwesenheitssensoren sein.
BewegungsgewichtDas Gewicht, das Eingaben von Bewegungssensoren bei der Berechnung der Belegung erhalten.
Bewegungs-TimeoutBei Bewegungssensoren vom Typ PIR, die bei jeder Erkennung nur kurz pulsen und still bleiben, während jemand ruhig sitzt, zählt jede Erkennung nach dem Ausschalten des Sensors so lange voll weiter, bevor der Bereich beginnt sich zu leeren, und wird als belegte Zeit gelernt. So werden die Lücken zwischen Erkennungen überbrückt, statt sie als leer zu werten. Sensoren, die „on“ halten, solange jemand da ist (die meisten mmWave-Anwesenheitssensoren), werden nicht verlängert; die Integration unterscheidet beide anhand des eigenen Verlaufs jedes Sensors.
P(Aktiv | Belegt)Die Wahrscheinlichkeit, dass ein Bewegungssensor aktiv ist, wenn der Bereich tatsächlich belegt ist. Höhere Werte (näher an 1.0) bedeuten, dass der Bewegungssensor bei belegtem Bereich zuverlässiger ist. Standard: 0.95 (95 %).
P(Aktiv | Nicht belegt)Die Wahrscheinlichkeit, dass ein Bewegungssensor aktiv ist, wenn der Bereich nicht belegt ist (Rate falsch positiver Erkennungen). Niedrigere Werte (näher an 0.0) bedeuten weniger falsch positive Erkennungen. Standard: 0.005 (0,5 %).

Schritt 6

Türsensoren
Aktiver TürzustandDies ist der Zustand der Tür, der zur Erkennung der Belegung verwendet wird.
TürgewichtungDie Gewichtung, die Türsensor-Eingaben bei der Berechnung der Belegung erhalten.
Schlosssensoren
Aktiver SchlosszustandDies ist der Zustand des Schlosses, der zur Erkennung der Belegung verwendet wird.
SchlossgewichtungDie Gewichtung, die Schlosssensor-Eingaben bei der Berechnung der Belegung erhalten.
Fenstersensoren
Aktiver FensterzustandDies ist der Zustand des Fensters, der zur Erkennung der Belegung verwendet wird.
FenstergewichtungDie Gewichtung, die Fenstersensor-Eingaben bei der Berechnung der Belegung erhalten.
AbdeckungssensorenAbdeckungsentitäten (Jalousien, Rollos, Garagentore, Rollläden), die auf Belegung hinweisen, wenn sich ihr Zustand ändert.
Aktive AbdeckungszuständeDie Zustände der Abdeckungen, die auf Belegung hinweisen (zum Beispiel open, opening, closing).
AbdeckungsgewichtungDie Gewichtung, die Abdeckungssensor-Eingaben bei der Berechnung der Belegung erhalten.
Mediaplayer
Aktive MediazuständeDies sind die Zustände der Mediaplayer, die zur Erkennung der Belegung verwendet werden.
MediagewichtungDie Gewichtung, die Mediaplayer-Eingaben bei der Berechnung der Belegung erhalten.

Schritt 7

Belegungsschwelle (%)Die Wahrscheinlichkeitsschwelle, ab der der Bereich als belegt gilt.
Zeitlichen Abfall aktivierenLegt fest, ob die Belegungswahrscheinlichkeit zeitbasiert abklingen soll.
Halbwertszeit des AbfallsZeitfenster, in dem die Belegungswahrscheinlichkeit auf die Hälfte abfällt. Mit 0 wird der zweckbasierte Standardwert verwendet, mit einem Wert zwischen 10 Sekunden und 1 Stunde wird er überschrieben.
Minimale Prior-ÜberschreibungDie minimale Prior-Wahrscheinlichkeit, die unabhängig von gelernten Mustern verwendet wird. Mit 0.0 deaktiviert (Standard).
Aus allen Bereichen ausschließenWenn aktiviert, trägt dieser Bereich nicht zu den Sensoren für alle Bereiche bei. Nützlich für Garagen, Einfahrten und Außenbereiche.
Geschlossene Tür bedeutet weiterhin belegtFür einen Raum mit nur einem Zugang, etwa ein Bad. Solange seine Türen nach einer Bewegung geschlossen bleiben, bleibt der Bereich belegt, auch wenn der Bewegungsmelder jemanden nicht erkennt, der still sitzt. Die Belegung endet, wenn sich eine Tür öffnet, oder nach der maximalen Dauer von Wasp in Box (standardmäßig eine Stunde). Benötigt einen Türsensor. Ersetzt Wasp in Box.
Wasp in Box aktivieren (veraltet)Veraltet: wird durch ein eingebautes Halten bei geschlossener Tür ersetzt, das diese Einstellung automatisch übernimmt. Aktiviert das Wasp-in-Box-Verhalten und die Entität für diesen Bereich. Nützlich für Räume mit nur einem Zugang wie Bäder.
Bewegungs-TimeoutWie lange eine Bewegung nach der Erkennung gültig bleibt.
SensorgewichtungDie Gewichtung, die dieser Sensor bei der Berechnung der Belegung erhält.
Maximale DauerMaximale Dauer, die Wasp in Box nach der zuletzt erkannten Bewegung aktiv bleibt.
VerifizierungsverzögerungDie Verzögerung nach dem Schließen der letzten Tür, bevor erkannte Bewegung als tatsächliche Belegung gilt. (0 = deaktiviert).

Nach der Einrichtung

Bereich auswählen
Home-Assistant-BereichWähle den Home-Assistant-Bereich für diese Belegungserkennung. Der Bereichsname wird automatisch für das Gerät und die Entitäten verwendet.
Zweck des BereichsDer Hauptzweck dieses Bereichs bestimmt das Abfallverhalten. Verschiedene Zwecke haben unterschiedliche Halbwertszeiten, die beeinflussen, wie schnell die Belegungswahrscheinlichkeit mit der Zeit sinkt.
Name des ErkennungsbereichsDies ist der Name des Bereichs oder Erkennungsbereichs. Er wird für die Benennung der Sensoren und der Belegungsentität des Bereichs verwendet.
Bewegungs-/AnwesenheitssensorenDiese werden zur Erkennung von Belegung und Anwesenheit verwendet. Es können Bewegungssensoren, Belegungssensoren oder Anwesenheitssensoren sein.
BewegungsgewichtungDie Gewichtung, die Bewegungssensor-Eingaben bei der Berechnung der Belegung erhalten.
Bewegungs-TimeoutBei Bewegungssensoren vom Typ PIR, die bei jeder Erkennung nur kurz ausschlagen und still bleiben, solange jemand ruhig sitzt, zählt jede Erkennung nach dem Ausschalten des Sensors noch so lange voll weiter, bevor der Bereich beginnt, sich zu leeren, und wird als belegte Zeit gelernt. So werden die Lücken zwischen den Erkennungen überbrückt, statt als leer gewertet zu werden. Sensoren, die auf "on" bleiben, solange jemand da ist (die meisten mmWave-Präsenzsensoren), werden nicht verlängert; die Integration unterscheidet die beiden anhand des eigenen Verlaufs jedes Sensors.
P(Aktiv | Belegt)Die Wahrscheinlichkeit, dass ein Bewegungssensor aktiv ist, wenn der Bereich tatsächlich belegt ist. Höhere Werte (näher an 1.0) bedeuten, dass der Bewegungssensor bei belegtem Bereich zuverlässiger ist. Standard: 0.95 (95 %).
P(Aktiv | Nicht belegt)Die Wahrscheinlichkeit, dass ein Bewegungssensor aktiv ist, wenn der Bereich nicht belegt ist (Rate falscher Alarme). Niedrigere Werte (näher an 0.0) bedeuten weniger Fehlalarme. Standard: 0.005 (0,5 %).
Türsensoren
Aktiver TürzustandDies ist der Zustand der Tür, der zur Erkennung von Belegung verwendet wird.
TürgewichtungDie Gewichtung, die den Eingaben der Türsensoren bei der Berechnung der Belegung zugewiesen wird.
Schlosssensoren
Aktiver SchlosszustandDies ist der Zustand des Schlosses, der zur Erkennung von Belegung verwendet wird.
SchlossgewichtungDie Gewichtung, die den Eingaben der Schlosssensoren bei der Berechnung der Belegung zugewiesen wird.
Fenstersensoren
Home Assistant BereichWähle den Home Assistant Bereich für diese Belegungserkennung aus. Der Name des Bereichs wird automatisch für das Gerät und die Entitäten verwendet.
Verwendungszweck des BereichsDer Hauptzweck dieses Bereichs bestimmt das Abklingverhalten. Unterschiedliche Zwecke haben unterschiedliche Halbwertszeiten, die bestimmen, wie schnell die Belegungswahrscheinlichkeit mit der Zeit sinkt.
Angrenzende BereicheAndere konfigurierte Bereiche, die physisch mit diesem verbunden sind (zum Beispiel ein Flur, der mit einem Schlafzimmer verbunden ist). Die Auswahl ist gegenseitig: Wenn du hier einen Bereich hinzufügst, wird dieser auch in dessen Nachbarliste eingetragen. Die Integration lernt Übergangsmuster zwischen angrenzenden Bereichen und nutzt sie, um die Wahrscheinlichkeit eines Nachbarn zu erhöhen und das Abklingen zu verlangsamen, wenn seine üblichen Ausgänge ruhig bleiben.
Bewegungs-/PräsenzsensorenDiese werden zur Erkennung von Belegung und Anwesenheit verwendet. Es können Bewegungssensoren, Belegungssensoren oder Präsenzsensoren sein.
BewegungsgewichtungDie Gewichtung, die den Eingaben der Bewegungssensoren bei der Berechnung der Belegung zugewiesen wird.
Bewegungs-TimeoutBei Bewegungssensoren vom Typ PIR, die bei jeder Erkennung nur kurz ausschlagen und still bleiben, solange jemand ruhig sitzt, zählt jede Erkennung nach dem Ausschalten des Sensors noch so lange voll weiter, bevor der Bereich beginnt, sich zu leeren, und wird als belegte Zeit gelernt. So werden die Lücken zwischen den Erkennungen überbrückt, statt als leer gewertet zu werden. Sensoren, die auf "on" bleiben, solange jemand da ist (die meisten mmWave-Präsenzsensoren), werden nicht verlängert; die Integration unterscheidet die beiden anhand des eigenen Verlaufs jedes Sensors.
P(Aktiv | Belegt)Die Wahrscheinlichkeit, dass ein Bewegungssensor aktiv ist, wenn der Bereich tatsächlich belegt ist. Höhere Werte (näher an 1.0) bedeuten, dass der Bewegungssensor bei belegtem Bereich zuverlässiger ist. Standard: 0.95 (95 %).
P(Aktiv | Nicht belegt)Die Wahrscheinlichkeit, dass ein Bewegungssensor aktiv ist, wenn der Bereich nicht belegt ist (Rate falscher Alarme). Niedrigere Werte (näher an 0.0) bedeuten weniger Fehlalarme. Standard: 0.005 (0,5 %).
Türsensoren
Aktiver TürzustandDies ist der Zustand der Tür, der zur Erkennung von Belegung verwendet wird.
TürgewichtungDie Gewichtung, die den Eingaben der Türsensoren bei der Berechnung der Belegung zugewiesen wird.
Schlosssensoren
Aktiver SchlosszustandDies ist der Zustand des Schlosses, der zur Erkennung von Belegung verwendet wird.
SchlossgewichtungDie Gewichtung, die den Eingaben der Schlosssensoren bei der Berechnung der Belegung zugewiesen wird.
Fenstersensoren
Aktiver FensterzustandDies ist der Zustand des Fensters, der zur Erkennung von Belegung verwendet wird.
FenstergewichtungDie Gewichtung, die den Eingaben der Fenstersensoren bei der Berechnung der Belegung zugewiesen wird.
AbdeckungssensorenAbdeckungs-Entitäten (Jalousien, Rollos, Garagentore, Rollläden), die auf Belegung hinweisen, wenn sich ihr Zustand ändert.
Aktive AbdeckungszuständeDie Zustände der Abdeckungen, die auf Belegung hinweisen (zum Beispiel open, opening, closing).
AbdeckungsgewichtungDie Gewichtung, die den Eingaben der Abdeckungssensoren bei der Berechnung der Belegung zugewiesen wird.
Mediaplayer
Aktive Mediaplayer-ZuständeDies sind die Zustände der Mediaplayer, die zur Erkennung von Belegung verwendet werden.
MediengewichtungDie Gewichtung, die den Eingaben der Mediaplayer bei der Berechnung der Belegung zugewiesen wird.
Belegungsschwelle (%)Die Wahrscheinlichkeitsschwelle, ab der der Bereich als belegt gilt.
Zeitliches Abklingen aktivierenLegt fest, ob die Belegungswahrscheinlichkeit zeitabhängig abklingen soll.
Halbwertszeit des AbklingensZeitfenster, in dem die Belegungswahrscheinlichkeit auf die Hälfte abklingt. Setze den Wert auf 0, um den zweckabhängigen Standardwert zu verwenden, oder gib einen Wert zwischen 10 Sekunden und 1 Stunde ein, um ihn zu überschreiben.
Minimale Prior-ÜberschreibungDie minimale Prior-Wahrscheinlichkeit, die unabhängig von gelernten Mustern verwendet wird. Auf 0.0 setzen, um sie zu deaktivieren (Standard).
Aus allen Bereichen ausschließenWenn aktiviert, trägt dieser Bereich nicht zu den Sammelsensoren für alle Bereiche bei. Nützlich für Garagen, Einfahrten und Außenbereiche.
Geschlossene Tür bedeutet weiterhin belegtFür einen Raum mit nur einem Zugang, etwa ein Badezimmer. Solange seine Türen nach einer Bewegung geschlossen bleiben, bleibt der Bereich belegt, auch wenn der Bewegungsmelder jemanden nicht erfasst, der still sitzt. Die Belegung endet, wenn eine Tür geöffnet wird, oder nach der maximalen Dauer von Wasp in Box (standardmäßig eine Stunde). Benötigt einen Türsensor. Ersetzt Wasp in Box.
Wasp in Box aktivieren (veraltet)Veraltet: wird durch eine eingebaute Haltefunktion bei geschlossener Tür ersetzt, die diese Einstellung automatisch übernimmt. Aktiviert das Wasp-in-Box-Verhalten und die zugehörige Entität für diesen Bereich. Nützlich für Räume mit nur einem Zugang wie Badezimmer.
Bewegungs-TimeoutWie lange eine Bewegung nach der Erkennung gültig bleibt.
SensorgewichtDas Gewicht, das diesem Sensor bei der Berechnung der Belegung gegeben wird.
Maximale DauerMaximale Dauer, für die Wasp in Box nach der zuletzt erkannten Bewegung aktiv bleibt.
Verzögerung der ÜberprüfungDie Verzögerung nach dem Schließen der letzten Tür, bevor erkannte Bewegung als tatsächliche Belegung gilt. (0 = deaktiviert).
Beginn der SchlafenszeitDie Uhrzeit, zu der dein Schlafplan beginnt. Bereiche mit dem Zweck „Schlafen“ verwenden in dieser Zeit ihre konfigurierte Halbwertszeit des Abklingens.
Ende der Schlafenszeit
Überwachung des SensorzustandsWenn aktiviert, erstellt die Integration Home-Assistant-Reparaturmeldungen für hängende, nicht verfügbare oder nie ausgelöste Sensoren sowie für langsame oder fehlschlagende Analysezyklen. Deaktiviere diese Option, um alle Reparaturmeldungen dieser Integration stummzuschalten; bereits erstellte Meldungen werden beim nächsten Analysezyklus gelöscht.
Genauigkeit des Sensorzustands (Dezimalstellen)Niedrigere Werte verringern die Schreibvorgänge der Diagnosesensoren in die Recorder-Datenbank erheblich. 0 wird empfohlen, es sei denn, du brauchst eine Auflösung unter einem Prozent.
Entität für den AbwesenheitsmodusOptional. Eine boolesche Entität (input_boolean, binary_sensor oder switch), die eingeschaltet ist, solange der Haushalt abwesend ist, etwa ein Schalter für den Urlaubsmodus. Solange sie eingeschaltet ist, wird die Abwesenheitszeit vom Lernen ausgenommen und die Warnungen für hängende inaktive und nie ausgelöste Sensoren pausieren. Wenn sie gesetzt ist, wird sie für Warnungen anstelle der Personen- und Geräteerkennung verwendet. Leer lassen, um für Warnungen nur die Personenerkennung zu verwenden.
Person auswählen

Texte aus dem Code von Hankanman/Area-Occupancy-Detection. Texte, für die das Repository keine Übersetzung hat, wurden automatisch übersetzt.

Entitäten

BinärsensorenBelegungsstatus, Wasp in Box, Schlafen
ZahlenBelegungsschwelle
SensorenBelegungswahrscheinlichkeit, Prior-Wahrscheinlichkeit, Abklingstatus, Erkannte Aktivität, Aktivitätskonfidenz, Evidenz, Anwesenheitskonfidenz, Umgebungskonfidenz, Sensorzustand, Genauigkeit

Aktionen

Analyse ausführenFührt die Analyse für alle Bereiche in der Area-Occupancy-Instanz aus.
Konfiguration exportierenExportiert die vollständige Konfiguration der Integration als YAML.
Bereichsverlauf löschenLöscht den gesamten gelernten Verlauf für einen einzelnen konfigurierten Bereich (Priors, Korrelationen, Intervalle, Aggregate, zwischengespeicherte Belegungsintervalle), ohne den Bereich aus der Integration zu entfernen. Verwende dies, wenn das gelernte Verhalten eines Raums nicht mehr stimmt und die Integration von vorne lernen soll.Felder: Bereich
Zeit-Priors abrufenGibt die gelernte wöchentliche Prognose der Belegungs-Priors für jeden Bereich zurück: für jeden Wochen-Slot (Wochentag x Tageszeit) die Wahrscheinlichkeit, dass der Bereich tendenziell belegt ist. Anders als der Sensor für die Belegungswahrscheinlichkeit (eine Schätzung des aktuellen Zustands) stellt dies Priors für zukünftige Slots bereit, sodass andere Integrationen ein vorausschauendes Belegungsprofil erstellen können, zum Beispiel um einen Raum vor seiner gewohnten Belegung vorzuheizen. Gibt nur Antwortdaten zurück.Felder: Bereich
Bereichsoption setzenÄndert die Erkennungsparameter eines konfigurierten Bereichs aus einer Automation oder einem Skript. Die Werte durchlaufen dieselbe Validierung und dieselbe Behandlung der Standardwerte je Zweck wie in der Konfigurationsoberfläche, sodass eine Automation einen Bereich nicht in einen Zustand versetzen kann, den die Oberfläche ablehnen würde. Die strukturelle Konfiguration (welche Entitäten zu einem Bereich gehören, angrenzende Bereiche) kann hier bewusst nicht gesetzt werden.Felder: Bereich, Belegungsschwelle, Zeitabklingen aktivieren, Halbwertszeit des Abklingens, Minimale Prior-Überschreibung, Wasp in Box aktivieren, Geschlossene Tür bedeutet weiterhin belegt

Fehlerbehebung

DiagnosedatenLädt eine Diagnosedatei herunter, die du an einen Fehlerbericht anhängen kannst.
ReparaturhinweiseMögliche Hinweise unter Einstellungen > Reparaturen:Wasp in Box wird durch eine integrierte Haltefunktion bei geschlossener Tür ersetzt, Hat gelernt, dass er die meiste Zeit belegt ist

Aus der README

Have you ever had your lights turn off while you're still in the room? Or watched your smart home mark you as "away" while you're sitting perfectly still, watching TV? These frustrating experiences happen because most occupancy detection relies on simple motion sensors that can't understand context.
Area Occupancy Detection solves these real-world problems by thinking more intelligently about what "occupied" really means. Instead of just checking if motion was detected, it combines multiple clues, learns from your patterns, and calculates the probability that someone is actually there.
Bayesian Occupancy Detection: Combines multiple sensor inputs using Bayesian probability for accurate occupancy detection.
Dual-Model Approach: Separates presence indicators (motion, media, appliances, doors, windows, covers, power, sleep) from environmental support (temperature, humidity, CO2, etc.). Presence sets the…
Multiple Sensor Support:
Motion/Occupancy Sensors: Primary input and ground truth for detecting presence.
Media Devices: TV, media players, and similar devices as activity indicators.
Appliances: Switches or sensors representing devices like fans, PCs, or other appliances.
Cover Sensors: Blinds, shades, shutters, and garage doors being operated.
Environmental Sensors: Temperature, humidity, illuminance, CO2, sound pressure, atmospheric pressure, air quality, VOC, PM2.5, and PM10 sensors contribute subtle occupancy clues.
Doors and Windows: Entry/exit and ventilation patterns.

Aus der README von Hankanman/Area-Occupancy-Detection, MIT License. Gekürzt.